直方图的 bin width 不是美观参数,而是分布假设:同一批数据,两种宽度可以给出相反的单峰/双峰结论
【锚点】这一讲钉一个判断:【图形不是数据的镜像,而是对数据的一次带参数的查询;若查询参数不写进元数据,图形结论就是不可拒绝的。】 【显式】同一批 n=1000 的混合数据:50% N(0,1) + 50% N(2,1),范围约 -3 到 5。若 bin width=0.5,读者能看到两个峰;若 bin width=3 且 edges=-3,0,3,6,两个峰会被压成一个宽峰。数据没有变,变的是【查询粒度】。 【流程节点链路】起点:拿到原始数据 → 中间节点1:选择视觉通道(x=数值,height=频数) → 中间节点2:选择变换(是否 log、是否 aggregate) → 中间节点3:选择默认参数(bin edges/bin width/axis limits/jitter/alpha) → 终点:读者从图形读出「单峰/双峰/趋势」。 【隐式】当结论是「分布呈双峰」时,bin width 不是细节,而是检验条件。没有 bin_edges,读者无法知道双峰是数据生成还是分箱生成。 【细微】很多默认分箱规则(Sturges、Scott、Freedman–Diaconis)会随 n 和离群点变化;同一数据换软件/换版本,峰数可能漂移。这不是 bug,是默认参数在替作者做统计假设。 【极难发现】最隐蔽的不是「画错」,而是「画得可发表」:读者会把视觉平滑误认为证据平滑,把默认参数误认为中性描述。可复现图的最小交付不是 PNG,而是【数据+绘图代码+参数快照】,让每个视觉编码都可被拒绝。 【待验证点】如果论文只给图不给 bin_edges/代码,是否应默认其分布结论「不可复现」?审稿人是否该要求所有分布图附「可拒绝的图形参数」清单?







0 Comments